Nuestras soluciones y desarrollos
D'Elite VisionGuard
Productos y tecnologías innovadoras para inversores y socios
Visualización conceptual
La percepción como primer paso hacia la acción.
D'Elite VisionGuard es un módulo de software de visión artificial para detectar objetos objetivo, estimar su posición y transmitir el resultado a una aplicación externa o plataforma robótica.
El sistema está diseñado en torno al procesamiento local de imágenes, modelos de detección intercambiables y múltiples modos de funcionamiento: estéreo, cámara única con degradación del sensor y fuentes NV/térmicas adicionales.
1
Un módulo: diferentes escenarios prácticos
sector agrícola
Detección de aves cerca de los cultivos y aplicación de repelentes no violentos seleccionados.
Detección de aves cerca de los cultivos y aplicación de repelentes no violentos seleccionados.
Robótica móvil
Transmitir coordenadas y eventos al robot para inspeccionar un área, evitar un obstáculo o continuar con la misión.
Transmitir coordenadas y eventos al robot para inspeccionar un área, evitar un obstáculo o continuar con la misión.
Vigilancia nocturna
Posibilidad de conectar una cámara de visión nocturna, una cámara termográfica y un disparador infrarrojo para situaciones de poca luz.
Posibilidad de conectar una cámara de visión nocturna, una cámara termográfica y un disparador infrarrojo para situaciones de poca luz.
2
¿Cómo se lleva a cabo el procesamiento?
- Las cámaras transmiten imágenes con marcas de tiempo.
- El modelo encuentra objetos de la clase seleccionada y selecciona el objeto de destino.
- Un par estéreo estima las coordenadas; con una sola cámara, se devuelve un resultado monocromático etiquetado explícitamente.
- El resultado y el estado de los sensores están disponibles para el operador o el circuito autónomo.
Validación del prototipo
Lo que ya se ha demostrado en una carrera real
El riesgo técnico para el núcleo de percepción ya se ha mitigado: la precisión de la distancia, la selección correcta del objetivo y el fallo seguro en caso de pérdida de vídeo —requisitos básicos para un piloto en escenarios de campo— se han confirmado mediante el uso de una cámara en directo.
Para el inversor
El núcleo de detección y estimación de posición ya se está ejecutando en hardware. Se están realizando inversiones adicionales en calibración estéreo, modelos de objetivos e integración con la capa de autonomía, no en intentar averiguar si funciona correctamente.
Corrección sin propósito
Si el objeto sale del encuadre, el sistema devuelve "sin objetivo", mantiene el modo de funcionamiento y no entra en un falso modo de ralentí seguro, lo que reduce las paradas falsas en el piloto.
3
Los sensores mejoran diferentes partes del sistema.
RGB estéreo
Dos cámaras calibradas proporcionan la base para la triangulación y las coordenadas en un sistema común.
Dos cámaras calibradas proporcionan la base para la triangulación y las coordenadas en un sistema común.
Cámara de visión nocturna y cámara termográfica
Las imágenes adicionales pueden mejorar la observación en condiciones de crepúsculo y oscuridad.
Las imágenes adicionales pueden mejorar la observación en condiciones de crepúsculo y oscuridad.
sensor IR
Sirve como indicador de presencia o movimiento y ayuda a evitar realizar un análisis completo innecesariamente.
Sirve como indicador de presencia o movimiento y ayuda a evitar realizar un análisis completo innecesariamente.
telémetro láser
Se puede especificar la distancia al objeto hacia el que apunta el haz.
Se puede especificar la distancia al objeto hacia el que apunta el haz.
El núcleo del software proporciona soporte para la lógica de los sensores. Los adaptadores de hardware y las pruebas de campo de sensores adicionales se realizan por separado.
4
Conexión con la capa de autonomía
VisionGuard informa de lo que ve el sistema. La capa de autonomía decide cómo llevar a cabo la misión.
La conexión prevista es la siguiente: las coordenadas del objetivo y el estado de los sensores se envían al circuito robótico, que inicia el paso de la misión, registra los eventos e implementa una política de recuperación ante fallos.
El puente ROS 2 y el marco de simulación de la capa de autonomía son independientes. La integración con VisionGuard y la plataforma de física aún no está completa.
5
Fases de implementación
Fase 1Prototipo y validación básicaActual
Estado actual: monodetector, estimación de coordenadas y procesamiento de pérdidas de la cámara; se confirmó el mayor error de selección y distancia del objetivo, de aproximadamente ±10 cm a la distancia del objetivo. Calibración del par estéreo y medición de coordenadas en el banco de pruebas.
Fase 2Modelos objetivo y circuito sensorial
Configurar modelos intercambiables para las clases de objetos seleccionadas, evaluar la calidad de la detección y conectar sensores adicionales según el escenario.
Fase 3Piloto de integración
Transfiere las coordenadas y los eventos a la capa de autonomía, prueba la misión en simulación y luego en la plataforma robótica seleccionada.
Fase 4Pruebas de campo y escalado
Verificar la precisión y la robustez en el entorno objetivo, y preparar una implementación repetible para nuevos emplazamientos y tipos de equipos.
Etapa actual
Prototipo y hoja de ruta comprobable
Fase 1
El prototipo monocromático funcional ha superado las comprobaciones básicas de coordenadas, selección de objetivo y recuperación de la cámara tras la pérdida de señal. El siguiente paso en la Fase 1 consiste en un prototipo estéreo calibrado con mediciones de precisión reproducibles.
Invitamos a las plataformas y a los socios a probar escenarios aplicados de visión artificial y robótica.
Analicen el episodio piloto.